Image processing system for detecting bruises on fruit
ABSTRAKSI
Sebuah gambar pengolahan teknik
untuk mendeteksi dan mengukur ukuran memar pada buah, seperti apel,
diungkapkan. Sebuah kamera garis scan digunakan untuk memperoleh tingkat
abu-abu gambar masing-masing sepotong buah seperti yang diputar di depan
kamera. Gambar yang didigitalkan, dan ditransfer ke komputer yang melakukan
sejumlah langkah pada gambar untuk menentukan ukuran dari setiap memar pada
buah dari data tingkat abu-abu. Data disaring untuk menghilangkan
gangguan karena variasi pixel-ke-pixel di kamera, kebisingan latar belakang,
dll, dan kemudian thresholding untuk mendapatkan biner gambar representasi.
Cluster nol dalam menghasilkan biner gambar yang mewakili memar potensial
dianalisis untuk menentukan ukuran dan bentuk mereka. Jika bentuk cluster
hampir melingkar, itu ditentukan untuk menjadi memar. Dari informasi ini, jumlah
daerah memar pada buah dapat ditentukan, dan buah dinilai sesuai.
BIDANG TEKNIS
A. LATAR BELAKANG PENEMUAN
Penemuan ini berhubungan dengan sistem otomatis untuk
mendeteksi memar pada apel, atau buah yang sama, yang mempekerjakan unik gambar
pengolahan teknik untuk membedakan jaringan memar dari jaringan non-memar.
Apel yang dinilai sesuai dengan jumlah kulit memar pada
permukaannya. Di New York State, misalnya, apel untuk pengolahan berkurang
nilai ketika lebih dari 5% dari total permukaan apel memar. Apel segar pasar,
di sisi lain, yang dinilai tidak hanya pada ukuran memar, tetapi juga pada
jumlah memar. Kebanyakan apel yang dinilai untuk ukuran dan memar oleh
inspektur USDA yang meneliti sebagian kecil dari apel dipilih secara acak dari
setiap beban truk. Perbedaan dalam metode evaluasi inspektur dan penghakiman
memungkinkan untuk variasi yang signifikan dan tidak diinginkan dalam penerapan
standar USDA. Apa yang akan diinginkan kemudian, adalah untuk sebuah sistem
otomatis yang akan dirancang yang dapat dengan cepat dan akurat menentukan
jumlah memar di permukaan apel ini.
Dalam beberapa tahun terakhir, pekerjaan pembangunan yang
cukup besar pada sistem penilaian apel otomatis telah dilakukan. Misalnya, US
Pat. No 3.867.041, Brown et al., Mengungkapkan suatu metode untuk mendeteksi
memar pada buah yang mempekerjakan penggunaan reflektansi permukaan difus
radiasi inframerah dekat untuk membedakan jaringan memar dari jaringan
non-memar. Dalam ASAE Paper No 81-3537 (1981), Graf et al. menunjukkan teknik
deteksi pantul ini menggunakan pencitraan digital sebagai sarana untuk melakukan
deteksi dengan proses non-kontak di lingkungan laboratorium. Eksperimen dengan
berbagai gambar teknik analisis menunjukkan bahwa klasifikasi statistik linear
multivariat dari setiap pixel dalam sebuah apel gambar menjadi pendekatan yang
paling sukses untuk mengklasifikasikan jaringan apel dicitrakan memar atau
non-memar. Algoritma klasifikasi diklasifikasikan memar dan non-memar daerah
jaringan serta inspektur manusia.
Pada tahun 1984, RW Taylor et al. menunjukkan bahwa kamera
garis scan digital dapat digunakan dalam sistem ini di tempat kamera matrix
digital (Taylor, RW, Rehkugler, GE, Throop, JA, Apple Bekam Detection
Menggunakan Digital Jalur Pindai Camera System, Pertanian Electronics-1983 and
Beyond . American Society of Engineers Pertanian, pp. 652-662). Hal ini
menghilangkan distorsi spasial perspektif dalam satu dimensi dan, diperbolehkan
dengan penempatan kamera-hati, penghapusan latar belakang dalam gambar . Taylor
menemukan bahwa proses klasifikasi kuadrat statistik yang digunakan tidak cukup
kuat untuk menangani variabilitas data. Karena kurangnya keseragaman diproduksi
antara piksel, sebuah, proses rumit memakan waktu normalisasi respon pixel yang
diperlukan untuk meningkatkan proses klasifikasi ini. Konversi algoritma Taylor
dari kuadrat ke classifier linear telah gagal untuk meningkatkan kinerja
mereka. Oleh karena itu, pendekatan non-statistik untuk gambar analisis untuk
mengklasifikasikan jaringan apel dan algoritma baru diperlukan. Algoritma dan
klasifikasi proses yang sesuai akan menjadi salah satu yang memberikan hasil
yang sama atau lebih baik dari klasifikasi pada gambar apel sama dengan
algoritma yang digunakan oleh Graf et al.
B. RINGKASAN PENEMUAN
Oleh karena itu obyek dari
penemuan ini untuk memberikan peningkatan digital image processing teknik untuk
digunakan dengan sistem penilaian buah otomatis yang memungkinkan jumlah daerah
memar pada apel, atau buah yang sama, untuk menjadi cepat dan akurat
ditentukan. Ini, dan benda-benda lain dari penemuan ini dicapai melalui
penggunaan kamera pemindaian baris seperti yang digunakan oleh Taylor, dan unik
gambar pengolahan teknik yang menghilangkan memakan proses normalisasi yang
digunakan oleh Taylor waktu. Selain itu, pengolahan teknik menghilangkan
kebutuhan untuk penempatan kamera-hati dengan memungkinkan latar belakang dalam
gambar yang akan disaring.
Lebih khusus, penemuan ini
menggunakan sistem apel atau penanganan buah terdiri dari bagian berorientasi,
dan bagian dan kurus dan pencitraan. Sebuah terus bergerak transportasi cup
conveyor digunakan untuk mengangkut buah ke dan kurus dan pencitraan bagian.
Setiap cangkir transportasi berbentuk kerucut untuk penerimaan dari apel, atau
buah yang sama, dan memiliki dasar terbuka sehingga roda berputar berorientasi
dapat terlibat bagian bawah buah karena mendekati dan kurus dan pencitraan
bagian. Roda berorientasi menjamin bahwa sumbu batang-kelopak apel akan tetap
vertikal selama pencitraan, dan bahwa hanya pipi apel akan terkena kamera garis
scan. jenis perangkat buah berorientasi diungkapkan dalam US Pat. No 3.225.892
untuk Keesling, yang digabungkan dengan referensi.
Dekat setiap cangkir transportasi
adalah satu diperpanjang Link pin coupler digunakan untuk terlibat mekanisme
spindle di dan kurus dan pencitraan bagian, dan membawanya bersama dengan
setiap cangkir transportasi. Mekanisme spindle dipasang pada dua pemandu gerak
linier paralel dan musim semi dimuat untuk melawan gerakan dalam arah
perjalanan transportasi cangkir. Setelah melakukan perjalanan melalui urutan
operasinya, mekanisme spindle pegas mundur untuk dijemput oleh transportasi cup
pin drive berikutnya.
Tujuan dari mekanisme spindle
adalah untuk terlibat setiap apel, dan meningkatkan keluar dari cup
transportasi sehingga bahwa apel dapat dilihat oleh kamera garis scan. Selain
itu, mekanisme spindle termasuk drive motor yang berputar apel di depan kamera
sehingga sebuah gambar dari seluruh permukaan apel dapat diperoleh.
Sebuah 64 pixel linear kamera
fotodioda array terpasang pada lengan poros yang melekat pada mekanisme
spindle, dan menyebabkan kamera untuk memutar sedikit sebagai cangkir
transportasi bergerak mekanisme spindle, sehingga kamera akan tetap fokus pada
pusat buah seperti itu bergerak melewati kamera. Lengan kamera poros kembali
oleh gaya pegas ke titik awal setiap kali mekanisme spindle membalasnya untuk
dijemput oleh cangkir transportasi berikutnya.
Sebuah poros encoder
optoelektronik dipasang pada mekanisme spindle, dan memiliki 250 pulsa per
keluaran revolusi yang disediakan sebagai awal pulsa ke kamera, sehingga dua
dimensi 64 × 250 pixel gambar dicatat untuk setiap apel. Sinyal poros encoder
yang dipotong dari kamera sampai saklar optoelektronik dibuang dekat lengan
kamera poros diaktifkan karena gerakan lengan pivot. Hal ini memungkinkan
kamera untuk mendapatkan gambar . Sebuah antarmuka disediakan yang mencakup 8
bit A ke D converter yang mendigitalkan gambar data dan transfer ke memori
pengolah data, seperti komputer mini.
Sebuah akrilik diffuser plastik
sedikit tembus dibuang di depan empat lampu tungsten tubular yang dipasang pada
sebuah kotak pencahayaan apel untuk menerangi apel sesuai dengan ajaran Brown
et al. paten. Paten ini juga digabungkan dengan rujukan. Sebuah filter umpan
panjang ditempatkan di depan lensa kamera untuk menghilangkan transmitansi
radiasi kurang dari 750 nanometer panjang gelombang.
Kendala utama dalam mudah
mendefinisikan perbedaan antara jaringan apel memar dan non-memar di gambar
adalah bahwa perbedaan pemantulan dua jaringan ini hanya antara 10 dan 20
persen perbedaan tingkat abu-abu. Karena batas tidak jelas antara daerah,
kebisingan hadir dalam gambar, dan variasi pixel-ke-pixel di bidang manufaktur,
klasifikasi jenis jaringan menjadi lebih sulit.
Dibandingkan dengan matriks
digital image seperti dipekerjakan oleh Graf et al., Variasi pixel menjadi
sangat terasa di baris memindai digital image . Dalam 64 pixel × 250 pixel gambar
, masing-masing dari 250 nilai piksel berturut-turut telah dirasakan oleh
kamera pixel yang sama. Hal ini menyebabkan tingkat abu-abu gambar terdiri dari
cahaya dan baris gelap karakteristik individu piksel. Perubahan lain abu-abu
tingkat karena memar, pencahayaan yang tidak merata, dan kebisingan kemudian
ditumpangkan pada respon pixel individu. Jika variasi ini dikeluarkan oleh
sebuah proses normalisasi (Taylor, 1984), maka klasifikasi tipe jaringan dengan
tingkat abu-abu menjadi lebih jelas. Untuk menghindari proses normalisasi ini
dan pengolahan waktu membutuhkan, penemuan ini membuat penggunaan yang unik
gambar pengolahan teknik yang memproses setiap gambar secara baris-demi-baris.
Ini pengolahan teknik termasuk
langkah-langkah berikut. Masing-masing nilai 250 pixel dalam satu baris dari
tingkat abu-abu gambar adalah kata data 8 bit antara 0 dan 255, dengan 0
mewakili warna hitam, dan 255 mewakili putih. Sebuah operator linear digital
diterapkan pada tingkat abu-abu gambar melakukan penyaringan low-pass asli
gambar pada setiap 64 baris, secara baris-demi-baris. Operator digital ini
membutuhkan pengguna yang dipilih penyaring pixel lebar, seperti 31 nilai-nilai
pixel pertama berturut-turut, menemukan nilai rata-rata mereka, dan memberikan
nilai rata-rata ke pixel tengah atau enam belas nilai 31 pixel. Rata-rata dari
pixel nilai 2-32 adalah berikutnya ditemukan, dan ditugaskan untuk pixel 17.
Proses ini berlanjut sampai semua 250 nilai piksel di setiap 64 baris telah
digantikan oleh rata-rata 31 pixel. Untuk yang terakhir 30 piksel di setiap
baris, membungkus teknik digunakan untuk mendapatkan rata-rata ini. Jadi,
misalnya, nilai untuk pixel 250 akan menjadi rata-rata nilai-nilai asli piksel
235-250, dan piksel 1-15.
Teknik low pass filtering
sehingga secara efektif menggantikan setiap nilai piksel dalam deretan
kata-kata data, dengan rata-rata nilai dan nilai-nilai dari sejumlah
nilai-nilai pixel yang berdekatan, di baris yang sama. Perlu dicatat bahwa
nilai-nilai pixel pertama dan terakhir berturut-turut dapat dikatakan
berdekatan satu sama lain, karena dua dimensi gambar yang terbentuk sebagai
apel berputar sebenarnya "melilit" pada dirinya sendiri.
Teknik ini low pass filtering
memiliki efek menghaluskan gambar sehingga transisi tajam dalam gambar karena,
misalnya, memar tepi dieliminasi. Dengan demikian, dihasilkan low pass disaring
gambar cenderung merupakan bagian yang tidak diinginkan dari asli image yang
karena pixel-ke-pixel variasi, latar belakang, kebisingan, dll
Dengan berikutnya mengurangkan
asli gambar dari pass filter rendah gambar , dan kemudian menetapkan semua
nilai-nilai negatif ke nol, disaring sehingga gambar diperoleh yang merupakan
tingkat abu-abu dari permukaan apel, tanpa efek samping dari variasi pixel,
latar belakang, atau kebisingan. gambar yang diperoleh terbalik, namun,
dengan nol mewakili area terang, dan nilai-nilai positif yang mewakili daerah
gelap di permukaan apel.
Resultan disaring gambar yang
berikutnya thresholding pada perbedaan tingkat abu-abu sewenang-wenang dipilih
untuk membentuk biner gambar yang memiliki 255 sebagai nilai-nilai pixel
mana-mana kecuali di nilai paling gelap asli dari tingkat abu-abu gambar .
Nilai-nilai paling gelap ditugaskan nilai 0. Jadi, kata-kata data yang memiliki
nilai-nilai pada atau di atas ambang batas akan ditugaskan nilai 0, sedangkan
kata-kata data yang memiliki nilai di bawah ambang batas, akan ditugaskan nilai
255. Nilai ambang bervariasi sesuai dengan gambar kualitas, pencahayaan latar
belakang, dll, dan biasanya ditetapkan pada nilai antara 0 dan 30.
Selanjutnya, biner diperoleh
gambar diproses untuk menghilangkan angka nol liar atau 255 ini. Jadi,
misalnya, jika nol dihargai word data terletak berturut-turut, dan dikelilingi
oleh kata-kata data yang memiliki 255 sebagai nilai-nilai mereka, bahwa nol
dihargai kata data berubah menjadi 255. Demikian pula, jika 255 dihargai kata
data ditemukan dikelilingi oleh sekelompok nol kata data penting, kata data
yang diubah menjadi nol. Proses ini membantu untuk lebih menyaring tanggapan
yang bukan karena memar.
Biner gambar sekarang sirkuler
bergeser sampai tidak ada nol dihargai kata data yang hadir dalam kolom
pertama. Hal ini untuk memastikan bahwa sekelompok nol mewakili memar tidak
akan dibagi menjadi dua bagian di gambar , dan menghilangkan rumit
"membungkus" pengolahan dari gambar . Jika setelah seluruh gambar
digeser, tidak ada kolom ditemukan tidak memiliki angka nol di dalamnya,
pengguna diinformasikan bahwa nilai ambang batas terlalu rendah, dan harus
ditingkatkan. Proses di atas kemudian diulang dengan nilai ambang batas baru.
Suatu bentuk kontur berikut
sekarang diterapkan untuk setiap nol klaster dihargai di biner gambar . Ini
menempatkan dan menghitung piksel perimeter, dan menghitung total piksel di
setiap cluster untuk penentuan daerah.
Akhirnya, ukuran berdimensi
bentuk, disebut rasio ketipisan, T, sekarang dihitung untuk setiap cluster nol,
di mana T = 4π (A / P 2 ), dan di mana A = daerah cluster nol, dan P =
perimeter cluster nol.
Dari rasio ketipisan ini, bentuk
tiap cluster dari nol dalam gambar dapat ditentukan. Dengan thresholding nilai
T antara minimum dan nilai maksimum, hanya kelompok bentuk hampir lingkaran
dihitung. Untuk lingkaran sempurna, T = 1, dan dengan demikian T pengambangan
antara beberapa nilai kurang dari 1 (misalnya 0,4), dan beberapa nilai lebih
besar dari 1 (misalnya 1.5). Sejak memar pada apel cenderung bundar, penggunaan
rasio ketipisan dengan cara ini membantu memastikan bahwa hanya kelompok nol
yang mewakili memar akan dihitung. Daerah masing-masing klaster dihitung
sekarang dapat digunakan untuk menentukan daerah memar total, dan dari ini,
apel kelas.
URAIAN SINGKAT GAMBAR
Gambar di bawah dan tambahan
objek, fitur dan keuntungan dari penemuan ini akan menjadi jelas bagi orang
yang ahli dalam seni dari pertimbangan yang lebih rinci berikut daripadanya
diambil dalam hubungannya dengan gambar-gambar terlampir dimana:
ARA. 1 adalah sisi diagram
elevasi dari sistem secara keseluruhan digunakan dalam penemuan ini untuk
mendapatkan gambar dari sebuah apel;
ARA. 2 adalah diagram blok umum
dari gambar sirkuit untuk penemuan ini; dan
ARA. 3 adalah diagram alir yang
menunjukkan gambar pengolahan teknik penemuan ini.
URAIAN LENGKAP
PENEMUAN
Sekarang kembali ke pertimbangan
yang lebih rinci dari penemuan ini, ada diilustrasikan pada Gambar. 1, sistem
secara keseluruhan yang digunakan oleh penemuan ini untuk mendapatkan gambar
dari apel, atau buah yang sama. Secara khusus, ditunjukkan dalam Gambar. 1,
apel, atau bagian sejenis buah 10, dibuang di sebuah cangkir transportasi 12.
Ini akan dipahami bahwa pluralitas cangkir transportasi ini yang membentuk
conveyor akan digunakan dalam sistem, namun, untuk tujuan dari penemuan ini,
itu sudah cukup untuk menggambarkan hanya satu transportasi cangkir tersebut.
Cup transportasi 12 yang ditampilkan dibuang di dan kurus dan pencitraan bagian
dari sistem, dan apel 10 berorientasi sehingga sumbu batang-kelopak adalah
vertikal. Orientasi ini dilakukan sebelum kedatangan di dan kurus dan
pencitraan bagian dengan mekanisme yang sama dengan yang diungkapkan dalam US
Pat. No 3.225.892 untuk Keesling.
Mekanisme dan kurus ditampilkan umumnya pada 14 termasuk
sepasang spindle 16 dan 18 untuk mengangkat apel dari transportasi cup 12, dan
berputar apel di depan sebuah iluminasi kotak apel 20. pencabutan apel dicapai
melalui aksi dari spindle motor penggerak 22, bola sekrup 24, dan bola kacang
26, sedangkan rotasi apel dikendalikan oleh sebuah apel rotasi penggerak motor
28, dan gigi terkait dan mekanisme transmisi jenis rantai umumnya digambarkan
pada 30.
Dan kurus mekanisme 14 dilakukan bersama dengan transportasi
cup 12 oleh drive pin 32 pada piala 12, dan slide sepanjang sepasang gerak
linear panduan 34 dan 36. Sebuah pluralitas batas dan lokasi switch 38, 40, 42,
dan 44 yang disediakan di mekanisme 14 dan kurus untuk mengontrol urutan
berbagai gerakan mekanisme sirkuit terkait, yang tidak ditampilkan.
Bagian pencitraan termasuk apel pencahayaan kotak 20 yang
memiliki sejumlah lampu tungsten tubular 46 dibuang di dalamnya. Sebuah sedikit
tembus akrilik plastik diffuser 48 dipasang pada kotak 20 di depan lampu 46
sehingga apple 10 akan diterangi oleh berdifusi dekat radiasi infra merah
sesuai dengan metode yang ditetapkan dalam US Pat. No 3.867.041 untuk Brown et
al. Cahaya terpantul dari permukaan apel 10, diarahkan melalui bagian 50 dalam
kotak 20 untuk lensa 52 dari kamera garis scan 54. Lens 52 telah lama pass
filter dibuang di depan itu (tidak ditampilkan), untuk menghilangkan
transmitansi radiasi memiliki panjang gelombang kurang dari 750 nanometer.
Garis scan kamera 54 lebih disukai adalah 64 pixel kamera linear dioda array,
seperti EG & G Reticon Model LC 600, dan dipasang pada poros 56. poros ini
terhubung ke poros lengan 58, yang pada gilirannya terhubung ke mekanisme dan
kurus 14 , dan memungkinkan kamera untuk tetap fokus pada apel karena
perjalanan bersama dengan mekanisme conveyor dan dan kurus.
Untuk mengendalikan operasi garis scan kamera 54, poros
encoder optoelektronik 60 terhubung ke ujung bawah spindle 16, yang
menghasilkan 250 pulsa elektrik untuk setiap revolusi poros. Pulsa ini
digunakan sebagai awal pulsa untuk garis scan kamera 54, dan memungkinkan 64 ×
250 pixel gambar yang akan direkam untuk setiap apel. Switch optoelektronik 62
disediakan yang diaktifkan oleh poros lengan 58 yang mencegah pulsa ini dari
sedang dikirim ke kamera sampai lengan poros mulai bergerak.
Beralih sekarang untuk FIG. 2, diagram blok umum dari
sirkuit pencitraan diilustrasikan. Secara khusus, garis scan kamera 54
ditampilkan sebagai dikendalikan melalui optoelektronik saklar 62, dengan poros
encoder 60. Sebuah antarmuka 64 disediakan yang mencakup A ke D converter
(tidak ditampilkan) sehingga gambar data dari kamera 54 dapat didigitalkan, dan
ditransfer ke salah satu komputer 66, atau perangkat layar 68.
ARA. 3 menunjukkan diagram alir untuk gambar pengolahan
teknik dimanfaatkan oleh komputer 66 untuk mendeteksi dan menghitung luas
setiap memar pada permukaan apel 10. Proses ini ditetapkan di bawah ini, dan
melibatkan sejumlah langkah yang diterapkan pada komputer dengan subrutin.
Sebuah contoh program untuk melaksanakan proses disertakan pada akhir deskripsi
ini sebagai Lampiran, dan itu digabungkan dengan referensi.
Setelah garis scan kamera 54
memperoleh dua dimensi lengkap gambar apel, yang gambar data disimpan dalam
memori komputer, seperti pada floppy disk. Seperti yang ditunjukkan dalam
diagram alir dari Gambar. 3, setelah berbagai parameter proses dimasukkan ke
dalam komputer, apel gambar data dibaca dari disk, dan low pass disaring. Low
pass filtering ini dilakukan atas dasar baris-demi-baris untuk masing-masing 64
baris dari gambar , dan dicapai dengan cara berikut. Masing-masing dari 250
piksel berturut-turut diwakili oleh kata data 8 bit, dan memiliki nilai antara
0 dan 255, dengan 0 mewakili benar-benar hitam gambar , dan 255 mewakili
benar-benar putih gambar . Sebuah operator linear digital yang melakukan low
pass filtering mengambil lebar pengguna yang dipilih penyaring pixel (salah
satu parameter proses), seperti 31 nilai-nilai pixel pertama berturut-turut,
menemukan nilai rata-rata mereka, dan memberikan nilai rata-rata ke tengah atau
keenam belas dari nilai-nilai 31 pixel. Rata-rata nilai pixel 2-32 kini
ditemukan, dan ditugaskan untuk pixel 17. Proses ini berlanjut sampai semua 250
nilai piksel di setiap 64 baris telah digantikan oleh rata-rata 31 pixel. Untuk
yang terakhir 30 piksel di setiap baris, membungkus teknik digunakan untuk
mendapatkan rata-rata ini. Jadi, misalnya, nilai pixel 250 akan menjadi
rata-rata nilai-nilai asli piksel 235-250, dan piksel 1-15.
Teknik low pass filtering sehingga secara efektif
menggantikan setiap nilai piksel berturut-turut, dengan rata-rata nilai dan
nilai-nilai dari sejumlah nilai-nilai pixel yang berdekatan, di baris yang
sama. Perlu dicatat bahwa nilai-nilai pixel pertama dan terakhir berturut-turut
dapat dikatakan berdekatan satu sama lain, karena dua dimensi gambar yang
terbentuk sebagai apel berputar sebenarnya "melilit" pada dirinya
sendiri.
Tujuan dari prosedur low pass filtering adalah untuk
kelancaran keluar nada abu-abu gambar untuk hanya menampilkan fluktuasi dari
latar belakang umum. Hal ini diperlukan untuk sejumlah alasan termasuk: variasi
pixel-ke-pixel yang diciptakan oleh garis scan kamera yang menghasilkan
garis-garis di gambar , batas tidak jelas antara daerah dari gambar , dan
kebisingan hadir dalam gambar . The low pass penyaringan teknik rata-rata yang
warna abu-abu, dan memiliki efek menyaring transisi warna yang tajam yang
indikatif, misalnya, dari tepi memar.
Untuk mendapatkan disaring gambar yang hanya mewakili
variasi karena memar apel, asli tone abu-abu gambar dikurangi dari pass filter
rendah gambar , dengan resultan disaring gambar menjadi efektif kebalikan dari
suatu gambar yang mencakup variasi karena hanya memar. Dengan menetapkan semua
nilai negatif dari resultan disaring gambar ke nol, hanya bagian gelap dari
gambar (mereka menunjukkan memar) akan memiliki nilai pixel yang positif.
Langkah berikutnya dalam proses ini adalah untuk ambang
batas disaring dihasilkan gambar sehingga biner dua dimensi gambar dapat
diperoleh. Jadi semua kata data yang memiliki nilai pixel di bawah ambang
batas, dan dengan demikian menunjukkan jaringan memar, ditetapkan dengan nilai
255, sementara semua kata data yang memiliki nilai pixel pada atau di atas
ambang batas, dan dengan demikian menunjukkan jaringan memar, ditetapkan untuk
nilai 0. nilai ambang batas sewenang-wenang dipilih, dan biasanya di suatu
tempat antara 0 dan 30, tergantung pada gambar berkualitas, pencahayaan latar
belakang, dll
Selanjutnya, biner diperoleh gambar diproses untuk
menghilangkan angka nol liar atau 255 ini. Jadi, misalnya, jika nol dihargai
word data terletak berturut-turut, dan dikelilingi oleh kata-kata data yang
memiliki 255 sebagai nilai-nilai mereka, bahwa nol dihargai kata data berubah
menjadi 255. Demikian pula, jika 255 dihargai kata data ditemukan dikelilingi
oleh sekelompok nol kata data penting, kata data yang diubah menjadi nol.
Proses ini membantu untuk lebih menyaring tanggapan yang bukan karena memar.
Selanjutnya, biner yang dihasilkan gambar yang sirkuler
bergeser sampai tidak ada nol dihargai kata data yang hadir dalam kolom pertama
dari gambar . Tujuan dari ini adalah untuk memastikan bahwa kelompok nol
mewakili memar apel tidak akan muncul dalam dua bagian dari gambar , dan
menghilangkan rumit "membungkus" pengolahan dari gambar . Jika
setelah seluruh gambar digeser, tidak ada kolom ditemukan tidak memiliki angka
nol di dalamnya, pengguna diinformasikan bahwa nilai ambang batas terlalu
rendah, dan harus ditingkatkan. Proses di atas kemudian diulang dengan nilai
ambang batas baru.
Suatu bentuk kontur berikut sekarang diterapkan untuk setiap
0 pixel nilai klaster di biner gambar . Ini menempatkan dan menghitung piksel
perimeter, dan menghitung total piksel di setiap cluster untuk penentuan
daerah.
Ukuran dan bentuk dari masing-masing cluster nol sekarang
harus diukur untuk menentukan apakah pada kenyataannya, cluster mewakili memar.
Jelas, beberapa bagian gelap dari gambar mungkin tidak mewakili memar, tetapi
dapat mewakili bintik-bintik kotoran, daerah gelap yang disebabkan oleh kontur
geometris pada apel, atau sedikit variasi dalam pencahayaan di tepi atas dan
bawah apel gambar . Daerah-daerah ini harus tidak dihitung sebagai daerah
memar.
Untuk memastikan bahwa hanya kelompok nol yang mewakili
memar dihitung, ukuran berdimensi bentuk disebut rasio ketipisan, T, dihitung
untuk setiap cluster nol dimana:
T = 4π (A / P 2 )
dan,
A = daerah cluster
P = perimeter cluster
Luas dan keliling dari setiap cluster mudah diperoleh dengan
menghitung jumlah total angka nol dalam cluster, dan jumlah angka nol di
perimeter cluster. Dengan thresholding nilai T antara minimum dan nilai
maksimum, hanya kelompok bentuk hampir bundar akan dihitung. Untuk lingkaran
sempurna, T = 1, dan dengan demikian T pengambangan antara beberapa nilai
kurang dari 1 (misalnya 0,4), dan beberapa nilai lebih besar dari 1 (misalnya
1.5). Karena sebagian besar memar apel cenderung bundar, ini akan menghasilkan
hanya kelompok yang mewakili memar dihitung.
Akhirnya, total luas memar pada apel sekarang dapat dengan
mudah dihitung, dan dari ini, apel dapat dinilai. Proses di atas menghilangkan
memakan prosedur normalisasi digunakan oleh Taylor waktu, dan telah terbukti
secara eksperimental untuk menjadi akurat dan cepat, dengan akurasi gradasi
sama atau lebih baik dari inspektur USDA, dan kecepatan setinggi 30 apel per
menit. Diharapkan penyempurnaan lebih lanjut dari pencitraan dan pengolahan
sistem dapat meningkatkan kinerja sistem secara keseluruhan jauh.
Meskipun penemuan ini telah digambarkan dalam hal perwujudan
yang disukai, akan dipahami bahwa berbagai variasi dan modifikasi dapat dibuat
dari orang-orang yang ahli dibidangnya tanpa menyimpang dari semangat dan
cakupan konsep inventif sebagaimana diatur dalam berikut klaim: ## SPC1 ##
KLAIM
Apa yang diklaim adalah:
1.
Sebuah metode untuk optik menentukan jumlah
daerah memar pada permukaan sepotong buah yang terdiri dari langkah:
a.
memperoleh tingkat abu-abu dua dimensi gambar
dari sepotong buah dengan kamera garis scan,
b.
mentransfer gambar data dari kamera ke prosesor
data;
c.
menyaring gambar Data untuk menghilangkan
gangguan dan kebisingan di gambar ;
d.
thresholding yang gambar data untuk menghasilkan
biner dua dimensi gambar termasuk pluralitas kata data yang hanya memiliki dua
nilai yang berbeda; nilai pertama yang merupakan indikasi dari tempat gelap
pada sepotong buah;
e.
menghitung cluster kata data kata pertama dari
kata nilai untuk menentukan daerah dan bentuknya;
f.
menentukan dari bentuk kata kelompok yang dari
kata cluster mewakili memar; dan
g.
menentukan dari kelompok yang mewakili memar,
daerah pada permukaan sepotong buah ditutupi oleh memar tersebut.
2.
Metode klaim 1, dimana kata garis scan kamera
meliputi sejumlah piksel, dan mengatakan langkah untuk memperoleh gambar dengan
garis scan kamera termasuk:
a.
berputar sepotong buah di depan kamera; dan,
b.
menghasilkan sejumlah pulsa awal untuk
mengatakan garis scan kamera sebagai buah berputar untuk menghasilkan dua
dimensi gambar yang memiliki sejumlah baris kata-kata data yang memiliki
nilai-nilai yang sebanding dengan tingkat abu-abu dirasakan oleh individu
piksel sebagai buah berputar.
3.
Metode klaim 2, dimana langkah kata menyaring
gambar Data terdiri dari:
a.
mengganti nilai dari setiap kata data di setiap
baris dengan rata-rata nilai dari kata data dan pluralitas kata data yang
berdekatan berturut-turut itu;
b.
mengurangkan nilai asli dari setiap kata data
dari nilai diganti untuk setiap kata data yang sama; dan,
c.
pengaturan nilai dari setiap kata data yang
memiliki nilai negatif setelah mengatakan pengurangan nol.
4.
Metode klaim 3, dimana langkah kata dari
thresholding citra data yang meliputi:
a.
membandingkan setiap nilai kata data dalam
disaring gambar dengan nilai ambang batas sewenang-wenang dipilih;
b.
pengaturan nilai-nilai semua kata data yang
memiliki nilai pixel yang lebih besar dari atau sama dengan mengatakan nilai
ambang ke nol;
c.
pengaturan nilai-nilai semua kata data yang
memiliki nilai pixel kurang dari kata nilai ambang batas untuk nilai lebih
besar dari nol; dan,
d.
dimana kata nilai pertama menunjukkan tempat
gelap adalah nol.
5.
Metode klaim 4, dimana langkah menghitung
cluster kata data yang memiliki nilai nol meliputi: menghitung jumlah kata data
setiap cluster dari nol pixel dihargai kata data untuk menghitung luas setiap
cluster;
a.
menghitung jumlah kata data dalam perimeter
setiap cluster nol pixel dihargai kata data untuk menentukan perimeter setiap
cluster; dan,
b.
dari kata luas dan keliling pengukuran,
menentukan bentuk setiap cluster dari nol pixel kata data penting.
6.
Metode klaim 5 lebih lanjut termasuk:
a.
menentukan kelompok nol pixel dihargai kata data
yang memiliki bentuk yang hampir melingkar; dan,
b.
menghitung hanya mereka cluster yang hampir
berbentuk lingkaran sebagai wakil dari memar pada sepotong buah.
7.
Sebuah metode untuk optik menentukan jumlah
daerah memar pada permukaan sepotong buah yang terdiri dari langkah:
a.
memperoleh tingkat abu-abu dua dimensi gambar
dari sepotong buah dengan garis pixel kamera beberapa scan, mengatakan gambar
yang memiliki sejumlah baris kata-kata data dengan nilai-nilai yang sebanding
dengan tingkat abu-abu dirasakan oleh setiap pixel dari kamera sebagai sepotong
buah diputar di depan kamera;
b.
mentransfer gambar data dari kamera ke prosesor
data;
c.
mendapatkan disaring gambar dengan menggantikan
nilai dari setiap kata data di setiap baris dengan rata-rata nilai dari kata
data dan pluralitas kata data yang berdekatan berturut-turut itu; mengurangkan
nilai asli dari setiap kata data dari nilai diganti untuk setiap kata data yang
sama; dan, pengaturan nilai dari setiap kata data yang memiliki nilai negatif
setelah mengatakan pengurangan nol;
d.
mendapatkan pengambangan citra dengan
membandingkan setiap nilai kata data dalam disaring gambar dengan nilai ambang
batas sewenang-wenang dipilih; pengaturan nilai-nilai semua kata data yang
memiliki nilai pixel yang lebih besar dari atau sama dengan nilai ambang batas
dikatakan nilai nol; dan, pengaturan nilai-nilai semua kata data yang memiliki
nilai pixel kurang dari kata nilai ambang batas untuk nilai kedua lebih besar
dari nol;
e.
mendapatkan disaring lebih lanjut image dengan
mengubah nilai-nilai dari setiap nol kata data penting di pengambangan citra
yang dikelilingi dalam gambar dengan kata-kata Data yang mengatakan nilai kedua
untuk mengatakan nilai kedua, dan mengubah nilai-nilai dari setiap kata data
penting kedua di pengambangan tersebut image yang dikelilingi dalam gambar
dengan nol kata data yang bernilai nol;
f.
mendapatkan bergeser gambar dengan menggeser
disaring lebih lanjut image sehingga tidak ada nol dihargai kata data yang
hadir pada awal setiap baris kata-kata data;
g.
menentukan ukuran cluster dari nol kata data
penting di bergeser gambar dengan menghitung jumlah nol kata data penting di
perimeter setiap cluster untuk menentukan ukuran perimeter masing-masing
cluster, dan menghitung jumlah nol kata data penting di setiap cluster untuk
menentukan daerah masing-masing klaster;
h.
menentukan dari ukuran dari masing-masing
perimeter cluster dan daerah, yang dari kelompok hampir berbentuk lingkaran;
dan,
i.
menghitung jumlah nol kata data yang dihargai di
semua cluster yang memiliki bentuk hampir bundar untuk menentukan jumlah dari
luas permukaan memar pada sepotong buah.
8.
Sebuah metode untuk optik menentukan jumlah
daerah memar pada permukaan sepotong buah yang terdiri dari langkah:
a.
memperoleh tingkat abu-abu digital dua dimensi
gambar dari sepotong buah;
b.
menyaring gambar Data untuk menghilangkan
gangguan dan kebisingan di gambar ;
c.
thresholding yang gambar data untuk menghasilkan
biner dua-dimensi gambar termasuk pluralitas kata data yang hanya memiliki dua
nilai yang berbeda, nilai pertama yang merupakan indikasi dari tempat gelap
pada sepotong buah;
d.
menghitung cluster kata data kata pertama dari
kata nilai untuk menentukan daerah dan bentuknya;
e.
menentukan dari bentuk kata kelompok yang dari
kata cluster mewakili memar; dan\
f.
menentukan dari kelompok yang mewakili memar;
daerah pada permukaan sepotong buah ditutupi oleh memar tersebut.
Sumber :
Tidak ada komentar:
Posting Komentar